logo móvil
Contáctanos

Evaluación de Daños por Terremotos Secuencial Incorporando Sensores Remotos sUAV Optimizados en Pescara del Tronto

Autores: Freeman, Michael; Vernon, Cory; Berrett, Bryce; Hastings, Nicole; Derricott, Jeff; Pace, Jenessa; Horne, Benjamin; Hammond, Joshua; Janson, Joseph; Chiabrando, Filiberto; Hedengren, John; Franke, Kevin

Idioma: Inglés

Editor: MDPI

Año: 2019

Descargar PDF

Acceso abierto

Artículo científico
2019

Evaluación de Daños por Terremotos Secuencial Incorporando Sensores Remotos sUAV Optimizados en Pescara del Tronto


Categoría

Ciencias Naturales y Subdisciplinas

Subcategoría

Ciencias de la Tierra y Geología

Palabras clave

Terremotos
SUAV
Reconstrucción 3D
Datos de imágenes
Algoritmo de planificación de misiones
Movimiento del suelo

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 17

Citaciones: Sin citaciones


Descripción
Una secuencia de grandes terremotos en el centro de Italia, con magnitudes de momento (Mw) que oscilan entre 4.2 y 6.5, causó daños significativos a muchos pequeños pueblos de la zona. Después de cada terremoto en 2016 (24 de agosto y 26 de octubre), vehículos aéreos no tripulados pequeños (sUAV) adquirieron valiosos datos de imágenes para el reconocimiento posterior al peligro en el pueblo montañés de Pescara del Tronto, y se aplicaron a la reconstrucción 3D utilizando Estructura a partir del Movimiento (SfM). En julio de 2018, el sitio fue monitoreado nuevamente para obtener datos de imágenes adicionales que capturaran cambios desde la última visita tras el terremoto del 30 de octubre de 2016. Se probó en el campo un algoritmo de planificación de misiones basado en genética que proporciona puntos de vista óptimos y planificación de rutas, y redujo las fotos requeridas para la reconstrucción 3D en un 9.1%. El modelo 3D optimizado proporciona una mejor comprensión de las condiciones actuales del pueblo, en comparación con los modelos en nadir, al contener menos agujeros en superficies anguladas, incluyendo un área de superficie adicional del 17%, y con una distancia de muestreo en el suelo (GSD) comparable de ~2.4 cm/px (~1.5 cm/px cuando se ajusta por la densidad de píxeles de la cámara). Los tres modelos de time-lapse resultantes proporcionan métricas valiosas para el movimiento del suelo, la progresión del daño, la resiliencia del pueblo y el progreso de la recuperación a lo largo de un período de dos años.

Otros recursos que podrían interesarte

Temas Virtualpro